一种基于深度强化学习算法的D2D用户资源分配方法及存储介质(高校公示7天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于深度强化学习算法的D2D用户资源分配方法及存储介质,涉及无线通信技术领域。所述方法包括:构建无线网络模型,对D2D发射功率进行离散化处理;构建用户信噪比计算模型,以通信系统吞吐量最大为优化目标;设置预测策略网络π、预测价值网络Q、目标策略网络π′和目标价值网络Q';将D2D通信环境建模为马尔可夫决策过程,将D2D发射机视为智能体,循环加载目标策略网络的参数后生成策略与环境进行交互,确定状态空间、动作空间及奖励函数;采用MAAC算法对每个D2D用户进行策略优化;采用软更新方式循环更新目标策略网络和目标价值网络的参数,直至完成学习训练;D2D用户下载完成训练的目标策略网络的参数,进行策略改进。
《一种基于深度强化学习算法的D2D用户资源分配方法及存储介质(高校公示7天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023104263433,当前法律状态为已下证,由无锡学院提出申请,发明人为李君;刘兴鑫;刘子怡;沈国丽;张茜茜;李晨,申请日期为2023-04-20,公开(公告)日期为2026-05-05,国际专利分类号(IPC)为 H04W 72/40 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于深度强化学习算法的D2D用户资源分配方法及存储介质,涉及无线通信技术领域。所述方法包括:构建无线网络模型,对D2D发射功率进行离散化处理;构建用户信噪比计算模型,以通信系统吞吐量最大为优化目标;设置预测策略网络π、预测价值网络Q、目标策略网络π′和目标价值网络Q';将D2D通信环境建模为马尔可夫决策过程,将D2D发射机视为智能体,循环加载目标策略网络的参数后生成策略与环境进行交互,确定状态空间、动作空间及奖励函数;采用MAAC算法对每个D2D用户进行策略优化;采用软更新方式循环更新目标策略网络和目标价值网络的参数,直至完成学习训练;D2D用户下载完成训练的目标策略网络的参数,进行策略改进。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
